基于稀疏表示与字典学习的图像融合方法研究.pdf

代号 10701 学号 0811420821
分类号 密级公开

























题(中、英文)目基于稀疏表示与字典学****的图像融合方法研究


Study of Image Fusion Based on Sparse


Representation and Dictionary Learning




作者姓名姜东指导教师姓名、职称潘进教授

学科门类工学学科、专业电路与系统

提交论文日期二零一三年三月
西安电子科技大学
学位论文独创性(或创新性)声明
秉承学校严谨的学风和优良的科学道德,本人声明所呈交的论文是我个人在导
师指导下进行的研究工作及取得的研究成果。尽我所知,除了文中特别加以标注
和致谢中所罗列的内容以外,论文中不包含其他人已经发表或撰写过的研究成果;
也不包含为获得西安电子科技大学或其它教育机构的学位或证书而使用过的材
料。与我一同工作的同志对本研究所做的任何贡献均已在论文中做了明确的说明
并表示了谢意。
申请学位论文与资料若有不实之处,本人承担一切的法律责任。
本人签名: 日期





西安电子科技大学
关于论文使用授权的说明
本人完全了解西安电子科技大学有关保留和使用学位论文的规定,即:研究生
在校攻读学位期间论文工作的知识产权单位属西安电子科技大学。学校有权保留
送交论文的复印件,允许查阅和借阅论文;学校可以公布论文的全部或部分内容,
可以允许采用影印、缩印或其它复制手段保存论文。同时本人保证,毕业后结合
学位论文研究课题再撰写的文章一律署名单位为西安电子科技大学。
(保密的论文在解密后遵守此规定)
本学位论文属于保密,在年解密后适用本授权书。
本人签名: 导师签名:
日期: 日期:
摘要
摘要
图像融合是在信息融合技术的理论基础上发展起来的图像处理技术,是把来
自多个不同传感器或者同一传感器在不同时刻的同一场景的多幅图像融合成一幅
图像,来获取对场景的更为准确清晰的表示,使之更加适合人类的视觉感知和后
续的图像处理。然而,随着信息需求量的日益增加,信号的带宽越来越宽,在信
息获取中对采样速率的要求越来越高,因此导致了数据泛滥。传统的图像融合方
法随着数据量的不断增大,给信号的存储和传输带来了巨大的压力。奈奎斯特采
样理论无法满足信息的获取与传输,压缩感知理论所提出的新的数据获取方法为
之提供了新的思路。
本文是在传统的图像融合框架的基础上,结合信号处理及其应用领域中广泛
应用的结构——稀疏性,提出了一种基于离散小波变换和稀疏表示的图像融合方
法,通过离散小波变换将图像分解为不稀疏的低频部分和可以近似看做稀疏的高
频部分,然后将高频部分进行稀疏表示,分别采用不同的融合规则进行融合,最
后将融合后的低频部分和高频部分经过离散小波逆变换,得到最终的融合图像。
通过对医学图像,多聚焦图像和红外—可见光图像这三种不同类型的图像进行融
合,来验证本文方法的有效性。
在图像的稀疏表示中,字典的选择具有很重要的影响。本文比较了两种不同
的过完备字典对图像融合结果的影响,一种是固定字典,该类字典的选择取决于
字典能够在多大程度上稀疏表示信号;另一种是通过 KSVD 方法来训练得到的字
典,该类字典可以通过选择初始训练字典来使得训练出的字典能够对信号进行很
好的稀疏表示。另外 KSVD 字典的学****过程具有除噪的性能,所以能够从带有噪
声的图像中训练出干净的字典。



关键字: 图像融合稀疏表示字典学****KSVD
abstracrt
Abstract
Image fusion is a new image processing technology which arises from the theory of
information fusion, it fuses many images into a single image, e from
different sensors or one sensor at different time for the same scene, to get a more
accurate and clear description for human visual perception and subsequent image
processing task. However,